SAR画像におけるマルチスケール物体検出のためのスケール対応ピラミッドネットワーク

合成開口レーダー（SAR）画像内でのマルチスケール物体検出は、SAR画像解釈における研究のホットスポットとなっています。過去数年間、CNNベースの検出器はSAR物体検出において急速に進歩しました。しかし、最先端の検出方法は、特徴の不整合やターゲットの外観変動（すなわち、スケール変化、アスペクト比変化）により、特徴ピラミッドネットワーク（FPN）の設計や検出アンカー設定において継続的に制限されています。これらの制限に対処するために、本研究では、スケール適応型特徴抽出モジュールと学習可能なアンカー割当戦略を含むスケール対応特徴ピラミッドネットワーク（SARFNet）を提案します。具体的には、特徴整列モジュールを導入してピクセルオフセットを推定し、高次元特徴を文脈的に整列することによって、強化された特徴ピラミッドサブネットワークが開発されます。さらに、異なる特徴レベル間のインタースケール相関を改善するために、特徴ピラミッド内で3D畳み込みを通じてスケール等化ピラミッド畳み込みが構築されます。さらに、自己学習アンカー割当が設定されて、手作りのアンカー割当を学習可能なアンカー/特徴構成に更新します。ダイナミックアンカーを使用することで、本研究の検出器は、異なる外観変化を持つターゲットに柔軟にマッチングすることが可能です。公共のSAR画像データセット（SSDDおよびHRSID）に関する広範な実験により、我々のアルゴリズムは既存のボート検出器を上回ることが示されました。